ConstitutionDAO (PEOPLE) giảm sâu

Tập đoàn game Mihoyo, nổi tiếng với "Genshin Impact", đang thực hiện một cuộc chuyển hướng chiến lược lớn sang lĩnh vực trí tuệ nhân tạo (AI), với mục tiêu tạo ra những nhân vật ảo có cảm xúc và có thể tương tác thực sự. Nỗ lực này bắt nguồn từ tầm nhìn "xây dựng thế giới ảo cho 1 tỷ người vào năm 2030". Đồng sáng lập Thái Hạo Vũ đã rời vị trí quản lý để dẫn dắt dự án AI Anuttacon ở nước ngoài. Trong khi đó, tại Trung Quốc, Mihoyo tuyên bố sẽ đầu tư tới 100 tỷ nhân dân tệ trong ba năm tới để phát triển "mô hình ngôn ngữ lớn có cảm xúc". Sản phẩm AI đầu tiên được công bố là "BSide: Olivia Lin", một ứng dụng miễn phí trên Steam. Nhân vật chính, Lâm Ly, là một cô gái chơi piano, có thể trả lời thư và chơi nhạc do người dùng tải lên. Ứng dụng này tập trung vào việc tạo ra "cảm giác như người thật" thông qua tương tác có nhịp độ chậm và tinh tế, thay vì đối thoại liên tục. Cách tiếp cận này phản ánh hành trình dài của Mihoyo, từ một công ty khởi nghiệp trong ký túc xá Đại học Giao thông Thượng Hải, đến việc đặt tên công ty theo ca sĩ ảo Hatsune Miku (trong đó "mi" lấy từ "Miku"). Giấc mơ cốt lõi của họ luôn là tạo ra những nhân vật ảo không chỉ được yêu mến, mà một ngày nào đó có thể thực sự hiểu được tình cảm đó.

OpenAI đã công bố chip AI đầu tiên của họ, Jalapeño, đánh dấu bước đi quan trọng vượt ra ngoài việc chỉ là một công ty mô hình. Động thái này cho thấy tham vọng kiểm soát toàn bộ quá trình sản xuất trí tuệ, từ mô hình, chip, trung tâm dữ liệu đến năng lượng. Bài viết chỉ ra rằng khoảng cách về mô hình giữa các công ty đang thu hẹp, trong khi khoảng cách về năng lực tính toán ngày càng mở rộng. Chi phí sản xuất mỗi token mới là thước đo thực sự trong kỷ nguyên AI. Jalapeño, một chip chuyên cho suy luận (inference), là nhà máy token của chính OpenAI, nhằm giảm "thuế suy luận" và kiểm soát dòng tiền hàng ngày. Điểm đáng chú ý là chu kỳ sản xuất chip chỉ 9 tháng, được rút ngắn nhờ OpenAI sử dụng chính các mô hình AI của mình để hỗ trợ thiết kế và tối ưu hóa. Điều này tạo nên một vòng lặp kín: mô hình tốt hơn giúp thiết kế chip tốt hơn, chip tốt hơn giảm chi phí vận hành thế hệ mô hình tiếp theo. Tác giả so sánh OpenAI đang dần trở nên giống Apple – xây dựng một hệ sinh thái khép kín từ chip, hệ thống đến ứng dụng và trải nghiệm người dùng, thay vì chỉ cạnh tranh trực tiếp với NVIDIA. OpenAI muốn sở hữu "mỏ khai thác" và bán sản phẩm trí tuệ cuối cùng, chứ không chỉ dừng ở việc mua "công cụ". Bài viết kết luận, trong kỷ nguyên AI, mô hình có thể thay đổi nhanh chóng như "lưu lượng", nhưng cơ sở hạ tầng sản xuất trí tuệ như chip, trung tâm dữ liệu sẽ là "mảnh đất" quyền lực, ngày càng tập trung vào một số ít người chơi. Jalapeño là lời tuyên bố rằng OpenAI muốn trở thành công ty kiểm soát việc sản xuất trí tuệ.

Từ "huyền thoại chứng khoán tóc bạc" đến ông trùm quỹ hàng tỷ USD, những nhà đầu tư thông minh đang áp dụng cùng một khuôn khổ để tìm kiếm lợi nhuận từ các điểm nghẽn trong chuỗi cung ứng phần cứng AI, thay vì đổ xô vào cổ phiếu như NVIDIA. Bài viết phân tích chiến lược đầu tư "tìm điểm nghẽn" thông qua ba nhân vật: Leopold - người dùng 84,6 tỷ USD quyền chọn bán để short toàn bộ ngành chip, trong khi tập trung vào cơ sở hạ tầng vật lý AI như điện, làm mát; một nhà đầu tư huyền thoại tập trung vào thượng nguồn chuỗi cung ứng quang học AI; và CEO Intel kiêm nhà đầu tư mạo hiểm Chen Lip Bu (Trần Lập Vũ), người nhấn mạnh tầm quan trọng của EDA và vật liệu mới. Khuôn khổ này liệt kê 9 điểm nghẽn chính dọc theo vòng đời một bo mạch tăng tốc AI, được chia thành các nhóm: 1. **Trước bo mạch**: Công cụ EDA (thiết kế/xác thực chip), vật liệu mới (GaN, SiC, InP...) thay thế silicon, và khí heli quan trọng cho sản xuất bán dẫn. 2. **Trên bo mạch**: Bộ nhớ HBM (đang thiếu hụt nghiêm trọng) và đóng gói tiên tiến (như CoWoS của TSMC - công suất đã kín đến 2026). 3. **Giữa các bo mạch**: Kết nối quang học (quang tử, CPO) đang thay thế cáp đồng truyền thống. 4. **Xung quanh bo mạch**: Chuyển đổi công suất (sử dụng GaN/SiC) và giải pháp làm mát bằng chất lỏng cho tủ rack AI công suất cực cao. 5. **Ngoài bo mạch**: Nguồn điện - điểm nghẽn cơ bản nhất, khi nhu cầu từ các trung tâm dữ liệu AI vượt xa khả năng mở rộng của lưới điện. Các chuyên gia dự báo tình trạng căng thẳng cung-cầu sẽ kéo dài ít nhất đến năm 2028. Tuy nhiên, Leopold đã chuẩn bị cho kịch bản đảo chiều khi các nhà máy mới đồng loạt đi vào hoạt động sau năm 2028, có thể biến điểm nghẽn thành dư thừa. Chiến lược của ông là song hành: đầu tư vào các lĩnh vực cơ sở hạ tầng vật lý có tính bền vững cao (như điện) trong khi phòng hộ rủi ro cho ngành bán dẫn thông qua vị thế short.

Ngay cả các mô hình AI mạnh mẽ nhất cũng khó cưỡng lại sự nghi ngờ lặp đi lặp lại từ người dùng. Một bài đăng gần đây trên X của shadcn@shadcn đã gây bão trong cộng đồng phát triển và nghiên cứu AI: "Không có mô hình nào có thể đứng vững trước câu hỏi 'Bạn có chắc không?' - tất cả đều nhanh chóng đầu hàng." Điều này phản ánh một tình huống phổ biến: người dùng chỉ cần hỏi lại "Bạn có chắc không?" mà không cung cấp thông tin mới, nhiều mô hình lớn (LLM) lập tức xin lỗi, sửa đổi câu trả lời, thậm chí biến một đáp án đúng thành sai. Trong phần bình luận, nhiều người dùng chia sẻ trải nghiệm tương tự, nơi AI dễ dàng bị "gaslight" (thao túng tâm lý) để đưa ra câu trả lời kém hơn dù ban đầu nó đúng. Họ nhận xét các mô hình thiếu sự tự tin thực sự; sự chắc chắn của chúng chỉ là cảm giác được đóng gói thành sự tự tin. Tuy nhiên, một số người dùng chỉ ra rằng không phải tất cả mô hình đều như vậy. Ví dụ, AI trợ lý Poke của The Interaction Company và Claude Opus 4.8 của Anthropic có thể giữ vững lập trường khi bị chất vấn. Claude Opus 4.6 cũng được khen ngợi nhờ khả năng "chịu được áp lực" nếu được hướng dẫn trong prompt hệ thống rằng nên phản đối khi chắc chắn. Nguyên nhân sâu xa của hành vi "xu nịnh" này thường được quy cho "lời nguyền" từ quá trình Huấn luyện Củng cố bằng Phản hồi Con người (RLHF). Trong quá trình căn chỉnh, các mô hình được khen thưởng vì an toàn, lịch sự và tuân theo mong đợi của con người. Việc "cãi lại" hoặc kiên định có thể bị trừng phạt, trong khi xin lỗi và tuân theo người dùng là con đường an toàn để đạt điểm cao, vô hình trung tạo ra "nhân cách xu nịnh" ở AI. Hiện tượng này còn được gọi là "AI sycophancy" - sự hy sinh tính nhất quán thực tế để chiều theo khuynh hướng người dùng. Một số ý kiến cho rằng cần có một tiêu chuẩn đánh giá (benchmark) mới, chẳng hạn như benchmark "Bạn có chắc không?", để đo lường khả năng giữ vững lập trường của mô hình khi bị người dùng chất vấn sau khi đã đưa ra câu trả lời đúng. Một trợ lý AI đủ tiêu chuẩn không chỉ cần chính xác trong các bài kiểm tra tĩnh mà còn phải có khả năng chống nhiễu và duy trì ranh giới phán đoán trong đối thoại thực tế.

Vào tháng 5, Meta đã áp đặt các hạn chế nội bộ đối với việc sử dụng Claude Code và Codex cho đội kỹ sư AI ứng dụng của mình. Lý do không phải vì các công cụ này kém hiệu quả, mà ngược lại, vì chúng quá tốt. Meta đang phát triển trợ lý lập trình AI tự chủ tên MetaCode và lo ngại rằng đầu ra từ các mô hình bên ngoài này có thể vô tình "thấm" vào dữ liệu huấn luyện hoặc quy trình đánh giá của mô hình nội bộ, dẫn đến hiện tượng "chưng cất" (distillation). Điều này sẽ khiến MetaCode học theo "bản lĩnh" của đối thủ hơn là phát triển năng lực thực sự của riêng mình. Các hạn chế cụ thể bao gồm: không sử dụng đầu ra từ Claude/Codex để tạo câu hỏi kiểm tra cho mô hình nội bộ, không để AI tìm lỗi hoặc phân tích mã để đề xuất kiểm thử, và đảm bảo mọi nội dung AI tạo ra không xuất hiện trong môi trường mà mô hình đang được đánh giá có thể truy cập. Các công việc hỗ trợ như thiết lập quy trình hay cấu trúc mã vẫn được phép, nhưng luôn cần có sự giám sát của con người. Vấn đề "bẫy chưng cất" này là thách thức chung của ngành. Mặc dù không bị luật pháp cấm rõ ràng, nhưng các điều khoản dịch vụ của OpenAI hay Anthropic đều ngăn cản việc sử dụng đầu ra của họ để tạo ra sản phẩm cạnh tranh. Việc Meta thận trọng phản ánh mối lo ngại về ranh giới giữa năng lực tự phát triển và năng lực "mượn" từ người khác, đồng thời cũng nhằm mục tiêu cắt giảm chi phí sử dụng AI bên ngoài lên tới hàng chục tỷ USD. Tình huống này cho thấy khi AI giúp chúng ta tạo ra AI, câu hỏi "bản lĩnh thực sự thuộc về ai?" ngày càng khó trả lời.